Сообщить об ошибкеКороткий ответ
Файл читают через pd.read_csv(), а первичное знакомство с данными делают через head(), info() и describe(), чтобы увидеть структуру, типы столбцов и наличие пропусков.
Как это работает подробнее
read_csv парсит текстовый файл и пытается автоматически определить типы столбцов; head() показывает первые строки, info() выводит dtype и число непустых значений по каждому столбцу, describe() считает описательную статистику по числовым столбцам.
Пример кода
Пример Python
import pandas as pd
df = pd.read_csv('sales.csv', sep=';', encoding='utf-8')
print(df.shape)
print(df.info())Что использовать на практике
- На практике: перед анализом стоит проверить df.shape, df.dtypes и df.isna().sum(); для нестандартных файлов нужно явно указывать sep и encoding, а для больших файлов — задавать dtype вручную, чтобы ускорить чтение и снизить потребление памяти.
- Проверка: df.info() должен показать ожидаемое число столбцов без "Unnamed: 0" и dtype, соответствующий смыслу столбца (даты — не object, суммы — не object).
Подводные камни
- Частые ошибки: не проверяют разделитель и кодировку, из-за чего весь файл читается в один столбец или с артефактами кодировки; слепо доверяют автоматически определённым типам, хотя числовой столбец с пропусками мог прочитаться как object из-за одной текстовой пометки вроде "н/д".